本报讯 6月27日，腾讯混元宣布开源首个混合推理MoE模型Hunyuan-A13B，总参数80B，激活参数仅13B。模型已经在Github和Huggingface等开源社区上线，同时模型API也在腾讯云官网正式上线，支持快速接入部署。

据介绍，这是业界首个13B级别的MoE开源混合推理模型，基于先进的模型架构，Hunyuan-A13B表现出强大的通用能力，并且在Agent工具调用和长文能力上有突出表现。

对于时下热门的大模型Agent能力，腾讯混元建设了一套多Agent数据合成框架，接入了 MCP、沙箱、大语言模型模拟等多样的环境，并且通过强化学习让Agent在多种环境里进行自主探索与学习，进一步提升了Hunyuan-A13B的效果。

在长文方面，Hunyuan-A13B 支持256K原生上下文窗口，在多个长文数据集中取得了优异的成绩。

在实际使用场景中，Hunyuan-A13B模型可以根据需要选择思考模式，快思考模式提供简洁、高效的输出，适合追求速度和最小计算开销的简单任务；慢思考涉及更深、更全面的推理步骤，如反思和回溯。这种融合推理模式优化了计算资源分配，使用户能够通过加think/no_think切换思考模式，在效率和特定任务准确性之间取得平衡。

Hunyuan-A13B模型对个人开发者较为友好，在严格条件下，只需要1张中低端GPU卡即可部署。目前，Hunyuan-A13B已经融入开源主流推理框架生态，无损支持多种量化格式，在相同输入输出规模上，整体吞吐是前沿开源模型的2倍以上。

Hunyuan-A13B集合了腾讯混元在模型预训练、后训练等多个环节的创新技术，这些技术共同增强了其推理性能、灵活性和推理效率。

预训练环节，Hunyuan-A13B训练了20T tokens的语料，覆盖了多个领域。高质量的语料显著提升了模型通用能力。此外，在模型架构上，腾讯混元团队通过系统性分析，建模与验证，构建了适用于MoE架构的Scaling Law联合公式。这一发现完善了MoE架构的Scaling Law理论体系，并为MoE架构设计提供了可量化的工程化指导，也极大地提升了模型预训练的效果。

后训练环节，Hunyuan-A13B 采用了多阶段的训练方式，提升了模型的推理能力，同时兼顾了模型创作、理解、Agent等通用能力。

为更好地提升大语言模型能力，腾讯混元也开源了两个新的数据集。其中，ArtifactsBench用于弥合大语言模型代码生成评估中的视觉与交互鸿沟，构建了一个包含 1825个任务的新基准，涵盖了从网页开发、数据可视化到交互式游戏等九大领域，并按难度分级以全面评估模型的能力；C3-Bench针对Agent场景模型面临的三个关键挑战：规划复杂的工具关系、处理关键的隐藏信息以及动态路径决策，设计了1024条测试数据，以发现模型能力的不足。 （讯 文）